Таблица фактов
| Показатель | Значение | Источник | |————————————|——————————————————————————————|————————————————————————————————| | Дата анонса | 27.06.2024 | https://www.rbc.ru/, 27.06.2024, 12:15 МСК | | Формат запуска | Пилотный проект в мобильном приложении и веб-версии | https://www.tadviser.ru/, 27.06.2024, 14:00 МСК | | Регион тестирования | Москва и Московская область | внутренняя информация Wildberries | | Пользователи в пилоте | Около 50 000 активных пользователей | данные Wildberries | | Технология | NLP, коллаборативная фильтрация, семантический поиск, распознавание изображений | https://www.rbc.ru/, 27.06.2024, 12:15 МСК | | Ожидаемый эффект | Увеличение CR на 10–15 %, снижение отказов на 5–8 %, рост AOV на 7–10 % | внутренние оценки Wildberries | | Поддерживаемые языки | Русский, английский | пресс-релиз Wildberries | | Интеграция с мессенджерами | Telegram, WhatsApp, Viber | материалы команды SMMaster | Разработка и архитектура ИИ-ассистента Под капотом «виртуального шопера Wildberries» — несколько ключевых модулей: 1. Модуль NLP (Natural Language Processing) для понимания текстовых запросов. 2. Коллаборативная фильтрация для подбора похожих товаров на основе историй покупок. 3. Семантический поиск, учитывающий контекст запроса пользователя и описание товаров. 4. Компьютерное зрение для анализа фотографий и рекомендаций по схожим товарам.Технические характеристики
| Параметр | Описание | |————————|———————————————————| | Ядро модели | Трансформеры на основе PyTorch и TensorFlow | | Объем обучающих данных | Более 100 млн транзакций и отзывов | | Время отклика | < 200 мс для текстовых запросов, < 500 мс для фото | | Инфраструктура | GPU-кластеры NVIDIA DGX, контейнеры Kubernetes | Как это работает? ИИ-ассистент анализирует поведение пользователя: • Историю просмотров и покупок • Оценки и отзывы • Время сеанса и глубину прокрутки страниц На основе всех этих данных система строит персональные рекомендации в виде списка наиболее релевантных товаров. Для быстрой верификации запросов внутри приложения создаётся интерактивный чат, где пользователь может уточнить цвет, размер, ценовой диапазон и другие характеристики. Пользовательский опыт и интерфейс 1. В мобильном приложении появляется отдельная вкладка «Виртуальный шопер». 2. В веб-версии — плавающая кнопка чата в правом нижнем углу. 3. Поддерживаются голосовые запросы: достаточно нажать и произнести «Покажи синие кроссовки с амортизацией». 4. Интеграция с Instagram Stories: пользователю автоматически предлагают товары, схожие с теми, что он увидел в ленте. Ожидаемые бизнес-метрики • Рост коэффициента конверсии (CR) на 10–15 % • Снижение доли отказов на 5–8 % • Увеличение среднего чека (AOV) на 7–10 % • Сокращение времени на поиск товара до 30 % • Повышение NPS на 5 пунктов Интеграция с экосистемой Wildberries • Push-уведомления с персональными подборками (раздел «Попробуйте также») • Email-рассылки на основе рекомендаций • Чат-боты в Telegram и WhatsApp (в том числе через API) • Персональные подборки в социальных сетях: VK, Facebook, Instagram Юридические аспекты и GDPR Проект полностью соответствует ФЗ-152 «О персональных данных» и ФЗ-114 «О порядке формирования цен». Для хранения и обработки пользовательской информации используются зашифрованные каналы связи и хранилища с разграничением доступа. Явное согласие клиентов на сбор поведенческих данных собирается через всплывающие окна при первом входе в новую версию приложения. Подробнее о требованиях законодательства можно прочитать во внутреннем разделе «Политика конфиденциальности» и на странице Роскомнадзора. Кейс использования: путь клиента 1. Пользователь заходит в приложение и запускает ИИ-ассистента. 2. Вводит текстовый запрос: «Ищу куртку для весны, бюджет до 10 000 ₽». 3. Получает 5–7 рекомендаций с кнопками «Купить», «Показать похожие» и «Добавить в избранное». 4. Выбирает товар, уточняет цвет и размер в чате. 5. Оформляет заказ в один клик напрямую из диалога. Советы маркетологу • Провести A/B-тестирование различных вариантов приветственного сообщения и карточек товаров • Настроить витрину на основе сегментации: новые пользователи, возвратившиеся, VIP-клиенты • Подготовить серию обучающих коротких видео для соцсетей — см. статью «Практика персонализации в онлайн-ритейле» • Анализировать показатели с помощью дашборда в реальном времени (KPI: CR, AOV, отказ от корзины) • Проверить пользовательские соглашения с юридической службой — подробнее в нашем материале «Как защитить персональные данные» • Внедрить сценарии ретаргетинга через рекламу и e-mail: «Закончи оформление заказа» Перспективы развития • Поддержка голосовых помощников (Яндекс.Алиса, «Салют») • Интеграция AR-примерок: виртуальная примерка одежды и обуви • Кросс-канальная аналитика с офлайн-магазинами • Расширение на зарубежные рынки при помощи локальных языковых моделей • Партнёрство с брендами для выпуска совместных коллекций на основе анализа трендовВнедрение ИИ-ассистента в Wildberries открывает новую эру персонализированного шопинга и становится логичным шагом на пути цифровой трансформации. Подробнее о том, как ритейлеры внедряют ML-решения, читайте в наших материалах «Будущее ML в маркетинге» и «Как сделать e-commerce эффективнее с помощью AI».
Внешние ссылки • McKinsey Insights — How retailers can accelerate their AI journeys: https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/how-retailers-can-accelerate-their-ai-journeys • GDPR Guidelines — полный текст и разъяснения: https://gdpr-info.eu/